Python Numpy.独特的行为（一致性变平？）

我有两个列表，我需要从中找到与唯一对相关的索引（我能找到的所有SO帖子都只对这些对本身感兴趣）。我一直在尝试使用

numpy.unique

来实现这一点，但我遇到了一个奇怪的问题。我压缩了列表，创建了一个元组列表，然后

set（）

和

np.unique（）

成功地减少到只有唯一的对，但我想要的是索引到原始列表中。

unique

的文档表明，如果

return\u inverse=True

，它将返回这些值。然而，如果设置与否，我会得到不同程度的“扁平化”

在本例中，我使用字符串只是为了避免任何比较问题，实际上它们是浮动

import numpy as np

l_1 = ['12.34', '12.34', '12.34', '12.34', '56.78', '56.78', '90.12', '90.12']
l_2 = ['-1.23', '-1.23', '-4.56', '-4.56', '-6.78', '-6.78', '-9.01', '-9.01']
ll = zip(l_1, l_2)

ull1 = np.unique(ll)

ull2, inds = np.unique(ll, return_inverse=True)

在第一种情况下，这些对作为第二维度保留在输出中。在第二种情况下，即使是元组也会变平，从而破坏成对

In [1]: ull1
Out[1]: 
array([['-9.01', '90.12'],
       ['-1.23', '12.34'],
       ['-6.78', '56.78'],
       ['-4.56', '12.34']], 
      dtype='|S5')

In [2]: ull2
Out[2]:
array(['-1.23', '-4.56', '-6.78', '-9.01', '12.34', '56.78', '90.12'], 
      dtype='|S5')

这是故意的吗？有没有办法使

唯一

在第一种情况下给我想要的索引（类似于

[[6,7]，[0,1]，[4,5]，[2,3]

）？我无法从文档中判断前一种行为还是后一种行为是奇怪的

我需要索引对类似列表中的其他值进行操作。如果我能接触到熊猫，我会使用它，但我必须运行的电脑只有一个非常旧的版本的numpy，没有熊猫。然而，同样的事情在numpy 1.8.1中仍然发生。我知道我可以做如下事情：

sll = list(set(ll))
for i in range(len(sll)):
    inds = np.where([val == sll[i] for val in ll])
    # I do my operations here using inds

try:
    ar = ar.flatten()
except AttributeError:
    if not return_inverse and not return_index:
        return np.sort(list(set(ar)))
    else:
        ar = np.asanyarray(ar).flatten()

但是我希望有更优雅的东西？

版本1.8.1中的for

numpy.unique

从以下内容开始：

sll = list(set(ll))
for i in range(len(sll)):
    inds = np.where([val == sll[i] for val in ll])
    # I do my operations here using inds

try:
    ar = ar.flatten()
except AttributeError:
    if not return_inverse and not return_index:
        return np.sort(list(set(ar)))
    else:
        ar = np.asanyarray(ar).flatten()

如果输入不是数组，并且不存在

return\u inverse

和

return\u index

，则例程将委托Python内置程序查找唯一的元素。它这样做的方式被窃听；它不执行以下保证的展平：

输入数组。如果它还不是一维的，它将被展平

正如Jaime在评论中指出的，这在当前的NumPy master分支中已经得到了修复

---

---

我相信你可以把你的两份清单整理成一个表格，从而得到你想要的结果。我不知道

numpy.unique

是否采用结构化数组，但如果不采用，您可以通过使用复制其行为，其中说明了如何将其用于结构化数组。

太棒了！我甚至没有想到结构化数组，但我只是尝试了一下，它正是我想要的。感谢对numpy文档的澄清，我也被

这一矛盾弄糊涂了，如果它还不是一维的话，它将被夷为平地。

错误行为在不久前已经修复，请参阅主源代码，这也是1.9 beta版的源代码。@Jaime:啊，很高兴知道。我没有想到要检查代码的开发版本。@moarningsun-Ahah，我已经找到了那个问题，但在你明确指出之前，我没有在那个答案中看到

idx

。我想我被答案的长度和数量弄糊涂了……对，如果我把具体答案联系起来会更好：